다수의 고유 공간을 이용한 주화 표면 품질 진단

국문 초록 (Abstract)

현재 주화의 제조 공정에서는 주화의 표면 품질 진단을 사람이 눈으로 직접 확인하여 수행하고 있다. 본 논문은 컨베이어 벨트에 놓이어 이동하는 주화로부터 획득한 영상을 이용하여 주화 표면의 결함을 검출하는 영상처리 방법을 제시한다. 결함 검출 방법은 영상에서 주화 영역을 분할하고, 분할된 동전을 비교할 모델에 정렬하며, 정렬된 영상을 최적의 고유 영상 공간으로 투영, 투영 오차와 학습된 가변 임계값과 비교하여 결함 부위를 검출한다. 본 논문에서는 이러한 일련의 영상처리 과정 중에서 주화 표면 진단과 관련하여 특화된 새로운 방법을 제시한다. 주화의 정렬을 위하여 분할된 주화의 히스토그램을 사용한다. 이 방법은 2차원 영상의 정렬을 일차원 히스토그램의 정렬로 변환하는 것이다. 다음으로 정렬된 영상을 고유 영상공간에 투영시켜 주화 방향에 따른 휘도 변화를 보정한다. 이 방법은 소수의 고유 영상 벡터들로 구성된 고유 영상 공간을 여러 개 생성하고, 최적의 고유 영상 공간에 정렬된 영상을 투영하여 실시간 구현이 가능하게 한다.

다국어 초록 (Multilingual Abstract)

In a manufacturing process of metal coins, surface defects of coins are manually detected. This paper describes an new method for detecting surface defects of metal coins on a moving conveyor belt using image processing. This method consists of multiple procedures: segmentation of a coin from the background, alignment of the coin to the model, projection of the aligned coin to the best eigen image space, and detection of defects by comparison of the projection error with an adaptive threshold. In these procedures, the alignement and the projection are newly developed in this paper for the detection of coin surface defects. For alignment, we use the histogram of the segmented coin, which converts two-dimensional image alignment to one-dimensional alignment. The projection reduces the intensity variation of the coin image caused by illumination and coin rotation change. For projection, we build multiple eigen image spaces and choose the best eigen space using estimated coin direction. Since each eigen space consists of a small number of eigen image vectors, we can implement the projection in real- time.

목차 (Table of Contents)

• 요약
• Abstract
• Ⅰ. 서론
• Ⅱ. 주화 표면 품질 진단 과정
• Ⅲ. 결론
• 참고문헌
• 저자소개

참고문헌 (Reference)

1 Z. Ibrahim, "Wavelet-based printed circuit board inspection algorithm" 12 : 201-213, 2005

2 A. Hamamatsu, "Statistical Threshold Method for Semiconductor Wafer Inspection" 2006

3 J. Q. Li, "Mixture Density Estimation" 279-285, 1999

4 J. Wilder, "Finding and Evaluating Defects in Glass, In Machine Vision for Inspection and Measurement" Academic Press 1989

5 K. Choi, "Development of Defect Classification Algorithm for POSCO Rolling Strip Surface Inspection System" 2006

6 A. Kumar, "Defect Detection in Textured Materials using Gabor Filters" 38 : 425-440, 2002

7 F. R. Leta, "Computer Vision System for Printed Circuit Board Inspection" 623-632, 2008

8 W. Y. Wu, "Automated inspection of printed circuit boards through machine vision" 28 (28): 103-111, 1996

9 H. R. Yazdi, "Applications of 'vision in the loop' for inspection of lace fabric" 4 (4): 317-332, 1998

10 D. Tsai, "An Eigenvalue-based Similarity Measure and its Application in Defect Detection" 23 (23): 1094-1101, 2005

11 I. Matthews, "Active Appearance Models Revisited" 60 (60): 135-164, 2003

12 T. S. Newan, "A survey of automated visual inspection" 61 (61): 231-262, 1995

13 J. Yang, "A Robust Hough Transform Algorithm for Determining the Radiation Centers of Circular and Rectangular Fields with Subpixel Accuracy" 54 (54): 555-567, 2009